何が起きたか
ブラウン大学のロベルト・セラーノ教授は、担当する経済学の講義で異常な数字に気づきました。持ち帰り試験の平均点が96点。この講義の平均点は歴史的に65〜80点で推移してきたにもかかわらず、です。
教授が試験問題をChatGPTに入力すると、学生の答案とほぼ同一の解答が返ってきました。決定的だったのは解法です。もっと素直な直接的アプローチがあるにもかかわらず、多くの学生がChatGPTと同じ「回りくどい数学的証明」を選んでいました。答えが同じなのは偶然でも、遠回りのルートまで一致するのは偶然ではありません。
警告を出したうえで、教授は期末試験を監督付きの対面形式に変更しました。結果、86人中18人が履修を取り下げ、9人は試験に現れませんでした。実際に受けた学生の平均は48.6点、講義史上最悪です。持ち帰り試験の成績に近い点を取れたのはごく一握りで、19人が落第しました。教授は中間試験を無効とし、期末の比重を成績の80%に引き上げています。
個人の不正ではなく、構造の問題
この件を「学生のモラル低下」で片づけると本質を見誤ります。同じパターンが、規模の違う複数の調査で再現されているからです。
中国中部で行われた調査は、中学1年から高校3年にあたる2万6000人超を30か月追跡しました。AI利用開始から半年後、宿題の点数は18%上昇し、所要時間は64分から45分に短縮されています。効率化としては成功に見えます。ところが同じ期間に試験の点数は20%下落しました。長期利用者の約81%が「宿題は速く、点も高い。しかし試験では取れない」という同一パターンを示し、進学試験での長期的な低下は18〜24%、影響が出そろうまでに約2年かかっています。もっとも打撃が大きかったのは成績上位層で、24%を失いました。
UCバークレーの研究は、テキサス州の大規模研究大学の50万件超の成績を分析し、ChatGPT登場後、文章作成やプログラミングの比重が高い科目でA評価の割合が13ポイント跳ね上がったことを示しました。決定的なのはその偏りです。上昇分は「監督のない宿題」に集中しており、宿題の比重が重い科目は、監督付き試験に依存する科目より16ポイント高い上昇を見せています。
見えている数字が実力ではなくなった
三つの調査が指し示すのは同じ一点です。AIは「提出物の質」と「本人の能力」の相関を切断した。宿題の点、納品物の完成度、レポートの体裁——これまで能力の代理指標として機能していたものが、能力を測らなくなりました。
そして時間差があります。中国の調査では効果が出そろうまで約2年。つまり、いま指標が良好に見えている組織も、劣化がすでに始まっている可能性があります。セラーノ教授のクラスは、対面試験という「監督された測定」を一度差し込んだからこそ、実態が可視化されました。測定を変えなければ、96点は96点のままだったはずです。
大学側の対応を教授は「弱腰(meek)」と評しました。管理部門は不正を1件ずつ個別に報告するよう求めた、というのがその理由です。86人規模の構造的問題に、個別処理の手続きで応じる——この非対称は、企業のガバナンス部門にも見覚えのある光景でしょう。
「社会を担う優秀な若者の相当数が、カンニングを問題ないと考える社会を許容する余裕はありません」——セラーノ教授
💼 事業会社視点：これは自社にどう効くか
人事評価と受け入れ検査の前提が壊れています。
最初に効くのは採用です。コーディング課題やレポート課題を持ち帰り形式で課している企業は、いまブラウン大の96点と同じものを見ています。SaaS・受託開発企業は、選考をライブコーディングや対面での設計議論に切り替えるべきです。「作れるか」ではなく「なぜそう作ったかを説明できるか」を問う設計に変える。セラーノ教授が不正を見抜いたのは答えではなく“回りくどい解法”からでした。プロセスを問えば実力は露出します。
受託開発とEC支援では、発注側の受け入れ検査が同じ問題を抱えます。納品されたコードやコンテンツの体裁は上がり、レビュー時間は短くなる。しかし障害対応や仕様変更という「監督付き試験」の場面で、その差が出ます。単価あたりの成果物量ではなく、トラブル時の一次対応品質を評価指標に加えてください。
最も注意すべきは中国調査の「上位層が24%失う」という結果です。AIで最も生産性が上がるのは優秀な人材であり、最も能力を失うのもそこ、という含意になります。日本企業の多くはAI活用を「若手の底上げ」として導入していますが、リスクは中核人材の空洞化です。2年後に顕在化するという時間差を踏まえ、いま監督付きの実力測定——設計レビュー、障害対応訓練、AI非使用の設計演習——を年次サイクルに組み込む判断が要ります。